0% encontró este documento útil (0 votos)
103 vistas43 páginas

Análisis Exploratorio de Datos en Minería

Este documento presenta información sobre un curso de evaluación de recursos minerales por métodos geoestadísticos. El curso cubre temas como estadística descriptiva, análisis exploratorio de datos, introducción a la geoestadística y variables regionalizadas. El profesor del curso es Hugo Solis Sarmiento.

Cargado por

Ronald Yucra
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
0% encontró este documento útil (0 votos)
103 vistas43 páginas

Análisis Exploratorio de Datos en Minería

Este documento presenta información sobre un curso de evaluación de recursos minerales por métodos geoestadísticos. El curso cubre temas como estadística descriptiva, análisis exploratorio de datos, introducción a la geoestadística y variables regionalizadas. El profesor del curso es Hugo Solis Sarmiento.

Cargado por

Ronald Yucra
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS

Facultad de Ingeniería
Carrera de Ingeniería de Gestión Minera

Curso de Evaluacion de Recursos Minerales Por Métodos Geoestadísticos

Unidad 4 Recursos Mineros: Estadística y Análisis Exploratorio de Datos


Unidad 5: Introducción a la Geoestadística Variables Regionalizadas

Profesor:
MBA Solis Sarmiento, Hugo
UNIVERSIDAD PERUANA DE CIENCIAS APLICADAS
Facultad de Ingeniería

LOGRO DE LA SESION

Analisis Exploratorio de Datos Como Herramienta para reconocer Altos Erraticos,Dispersion


de los datos y la caracterización u validación de los dominios geostadisticos

2
Analisis Exploratorio de Datos en Evaluacion
de Recursos Minerales
Estadistica: Ciencia de los datos,
implica la colección, clasificación,
síntesis, organización, análisis e
interpretación de los datos
Subdivisiones de la Estadistica
Estadística Inferencial.-
Estadística Descriptiva: Conjunto
Hace inferencias o inducciones de fenómeno(s)
de métodos estadísticos que se estudiados a partir de una
usan solo para resumir o describir muestra en particular para hacer
datos usando tablas, gráficas y el generalizaciones de la mismas características de
análisis mediante algunos una población, utilizando la información de una
cálculos. parte de ella muestra.
20 Millones de toneladas de los
recursos medidos tienen leyes
menores a 0.35% Cu.
Al 31 de diciembre de los años 2016
las reservas de Cerro Corona son de
1.134 Millones de Onzas y los recursos
son de 1.9 Millones de Onzas de oro.
Ejemplos
¿Esta información representa información estadística descriptiva o inferencia estadística? ¿Por qué?

• Durante el año 2019, el control de calidad de leyes de Cobre del laboratorio metalúrgico de SGS reporta
que 35% corresponde a muestras de datos duplicados, 40% a muestras de datos de estándares y el
resto de datos propios de blancos.
• Una investigación, de muestra de calicatas tomadas en una campaña de exploración, arroja valores de
ley promedia del mineral de Oro de 1.5 gr/t para la zona de mineralización de Óxidos.
• Los sondajes de exploración del yacimiento de Toromocho ha identificado en ciertos tramos, que se
encontrará contenidos de Arsénico (As) altos en los concentrados de Cobre producidos a partir del 4to
año del plan de producción.
• La producción de mineral del día 22 de Marzo del 2019 fue de 20,000 toneladas molidas con 10% de
humedad.
Escalas de Medicion de Las Variables

Nominal Ordinal
(datos cualitativos)
Ej. Roca1, Roca2…. Ej. Clase Social, Nivel
Alteración 1, Alteración de Estudios, tipos
2…. Zonamientos de
mineralización

Intervalo Razón
(cero relativo) (cero absoluto)
Ej. Ingresos, la ley
Ej. Temperatura, de Oro, la potencia
coeficiente IQ,
de las vetas
Tipos de Datos
En StudioEM/Studio UG/ Studio OP:
¿Cuales son los tipos de Datos?

Numérico: N Estas se usan para representar las Escala de medición de las Variables se
puede representar por estas tipificación

Alfanumérico: A12, A8
Ejercicio:
Reconozca en su tablas de datos de StudioEM
01 DDH.dm (semana 9 )
Cuales son variables categóricas (Nominal,Ordinal) o de razón.
Y Que tipo de datos usan para representar

01ddh.dm
Estadísticos Descriptivos y Graficos
Varianza
LA VARIANZA
ES LA MEDIDA MAS IMPORTANTE
DE LA GEOSTADISTICA POR QUE
ES MEDIDA DE LA VARIABILIDAD
DE LA MISMA

Promedio de la variabilidad al
cuadrado

Es importante reconocerla
Propiedades de la varianza:
1) La varianza es positiva para un variable (Un constante tienen
la varianza cero!)
2) La varianza es la medida cuadrática de dispersión óptima:
3) La varianza es igual al momento de segundo orden respecto
al origen menos el de primer orden elevado al cuadrado.
4) Si sumamos a todos los valores de la variable una constante,
la varianza no varía.
5) Si multiplicamos a todos los valores de la variable una
constante, la varianza queda multiplicada por el cuadrado de la
constante.
Media Ponderada
La media ponderada es una medidas de tendencia
central para casos recurrentes en Recursos y Reservas y
en la compositacion

Cual seria el ponderador de la leyes en reportar las reservas o recursos?


Cual seria el ponderador al calcular las leyes al calcular compositos?
Valor Extremos (Outlier)
Valores muy bajos o muy altos presentes en cantidades muy ínfimas que puede afectar fuertemente a estadísticas
resumidas como la media o la varianza de los datos, el coeficiente de correlación y las medidas de continuidad espacial.
Si se demuestra que son valores erróneos, entonces deben eliminarse de los datos
Reconociendo ValoresExtremos
Con Histogramas Con Probabilidad Acumulada
Exploración de Datos
Estadística Descriptiva Bivariable: Correlación
identificar el relacionamiento entre 2 variables

Ejemplo: Ley alta de Oro con ley alta de plata


Reconociendo Valores Extremos
Con Graficos Box Plot
Limites de Deteccion
No hay leyes igual a Cero….. Por lo que no deben hacerse
Estadísticas con valores fuera de los limites de detección
Geostadistica
En términos mineros se define la geoestadística como la
aplicación de la teoría de las variables regionalizadas a la
estimación de los recursos mineros.
Variable Regionalizada
En términos mineros es una variable que tiene una referencia
espacial (x, y, z). Ejemplos La ley, la densidad,
potencia,acumulación.
1D Z(x): La ley de las muestras a lo largo de la vetas
2D Z(x,y): Variabilidad de la potencia de las vetas
3D Z(x,y,z): Leyes distribuidas en un pórfido de Cobre
Notación: Z(x)…..x representa 1D,2D,3D
Representación de UnaVariable Regionalizada
Introducción a la Geostadistica
Campo o Dominio Geoestadístico
Se llama campo a la zona en la cual se estudia la variable regionalizada. Para definir bien el campo (por ejemplo los
límites) es necesario utilizar un modelo geológico adecuado. En un porfido de Cobre: Podría ser los zonamiento
minerales, la alteraciones la combinación de ambas o alguna diferenciación espacial mas robusta (Machine Learning).

Soporte
El soporte es el volumen de la muestra que define la variable regionalizada. En sondajes esta se corresponde
con la longitud de cada tramo.
Una representación de Dominios
Caso Mina Justa….Deposito tipo IOCG
¿Por que se tiene que estudiar las variables por dominios?

https://www.geovirtual2.cl/depos/minerales-mena-01.htm
Dominios en Depositos de Alta Sulfuracion

Caso Quicay

• Qz-Caolinita
• Qz-Sericita
• Silicificacion
Compositos
En el estudio de una variable regionalizada no es conveniente mezclar soportes de tamaños En los
sondajes con tramos de tamaño irregular, es necesario hacer una operación la cual consiste en
regularizar o compositar el sondaje en datos de longitud constante
Ejercicio:
Use COMPDH en datamine para crear sondajes compositados

Ejemplos:
Composito de 2 m
Composito de 4 m

Control:DOMINIOS GEOSTADISTICOS CONTROLADO por


ROCKTYPE
Simetrias de Distribución de Frecuencias
Forma de Distribuciones
Analisis Exploratorio de Datos

Ejercicios: Uso de Studio EM para generar Estadísticas


Univariada por Dominios para sondaje DDH

• Usar comando STATS, CONT, EXTRA,QUANTILE para crear


archivos controlados y hacer estadística mas controlada.
• Proceso automático usando MACROS
Estadística BIVARIADA
La estadística descriptiva bivariada aborda el estudio de los sucesos en los que intervienen dos
variables simultáneamente

Correlación identificar el relacionamiento entre 2 variables

Herramientas graficas:
• Histogramas de Frecuencias Bivariados
• Graficos de Dispersion u Scatter Plot
• Tablas de Frecuencias

Relaciones matemática:
Covarianza
Coeficiente de Correlacion
Covarianza

media de la variables aleatorias X y Y. Muchas veces es denotado por:

Es la extensión de la varianza de variables


El valor esperado es el promedio del producto en todos los pares
Covarianza
Notas

• La covarianza entre la misma variable es la varianza


• Coeficiente de Correlación de la misma variable es 1
Ejemplo

Covarianza negativa
porque el relación
está dominada por
una relación inversa
.
Covarianza

1. Dado que sus unidades son difíciles de entender o interpretar, es común que
la covarianza sea estandarizada

2. Se define entonces: El Coeficiente de correlación


Coeficiente de Correlación
32

El coeficiente de correlación entre las variables aleatorias X e Y se define como


la covarianza entre X e Y dividida por las desviaciones estándar de las variables
XeY

 También se le conoce como “covarianza estandarizada” y su valor


 El coeficiente de correlación es una medida de dependencia lineal entre dos variables:
Coeficiente de Correlación

Gráfico de Correlación ,
Graficos de Pearson o
Graficos de Dispersion
Coeficiente de Correlación
Histogramas Bivariados - Ejemplos

Marginal Plot of AU_PPM vs CU_PPM 1. Relacionar las


medias y
dispersiones
2. Permiten
100

80
encontrar valores
extremos
AU_PPM

60

40

20

0
0 200 400 600 800 1000
CU_PPM
Estadística Marginal

1. N pares de valores Au–Cu:

2. Estadística Marginal usa los Histogramas Bivariados

Estadistica univariate de X y Y
Medias: mX and mY
Varianzas s2X y s2Y

X: Distribución de Au
Y: Distribución de Cu
Ejercicios Usando PYTHON o STUDIO EM parar generar análisis
BIVARIADO para el ARCHIVO ISAACS2.csv delas variables GOLD
y Cobre

En Studio EM: CORREL


Resumen:
Gráficos: Histogramas, XY o Scater Plot, Boxplot,

Términos: Dominios y el

Identificación de altos erráticos y su efecto en las estadísticas


Caso de Estudio
Para revisar en caso NI4301 dereporte de recursos para
reconocer el Analisis de Exploración de Datos.
INGENIERIA DE GESTION MINERA

GRACIAS
¡¡¡MUCHAS GRACIAS!!

También podría gustarte